{"cells":[{"metadata":{},"cell_type":"markdown","source":"![En tête general](https://raw.githubusercontent.com/PythonLycee/PyLyc/master/img/En_tete_general.png)\n\n\n© Copyright Franck CHEVRIER 2019-2022 https://www.python-lycee.com.
\nLes activités partagées sur Capytale sont sous licence Creative Commons.\n\n Pour exécuter une saisie Python, sélectionner la cellule et valider avec SHIFT+Entrée.\n"},{"metadata":{},"cell_type":"markdown","source":"\n\n
\nUn berger, mathématicien et insomniaque de surcroit, rêve chaque nuit de son troupeau de moutons.\n \n\n\n"},{"metadata":{},"cell_type":"markdown","source":"\nPour tout $n\\in\\mathbb{N}$, on notera $g_n$ et $d_n$ les proportions respectives de moutons, à gauche et à droite, au bout de $n$ nuits. $g_n$ et $d_n$ sont aussi les probabilités, pour un mouton quelconque, de se trouver à gauche et à droite, au bout de $n$ nuits.\n
\nSon pré est traversé par une barrière, qui sépare initialement son troupeau en deux groupes égaux.\nChaque nuit, 5% des moutons situés à gauche de la barrière sautent à droite et 8% des moutons situés à droite de la barrière sautent à gauche.
\nLa question qui le hante et l'empêche de dormir est de savoir, à long terme, quelle sera la répartition des moutons de part et d'autre de la barrière...\n
\n Vocabulaire :\n1.1. Compléter le schéma ci-dessous à l'aide des arêtes et pondérations manquantes. \n\n\n"},{"metadata":{},"cell_type":"markdown","source":"1.2. Préciser les valeurs de $g_0$ et $d_0$, et donner une relation liant $g_n$ et $d_n$ pour tout $n\\in\\mathbb{N}$. \n"},{"metadata":{},"cell_type":"markdown","source":"1.3. Écrire deux relations traduisant les mouvements de moutons, d'une nuit à l'autre. \n\n"},{"metadata":{},"cell_type":"markdown","source":"1.4. Tester les syntaxes Python ci-dessous. Que permettent-elles de calculer ? "},{"metadata":{"trusted":false},"cell_type":"code","source":"# Exécuter cette cellule\n\ng,d = 0.5,0.5\n\ng,d = 0.95*a+0.08*b,0.05*a+0.92*b\n\ng,d","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"1.5. Écrire une fonction Python repartition qui reçoit n en argument et renvoie un couple de valeurs correspondant à $g_n$ et $d_n$.
\n Le schéma proposé s'appelle un graphe probabiliste, et la situation étudiée est une chaîne de Markov.
\n Les sommets G et D correspondent à \"gauche\" et \"droite\".
\n Les arêtes qui relient les sommets sont pondérées par les probabilités correspondantes.
\n Ainsi, la somme des poids des arêtes issues d'un sommet vaut 1. \n
\n Vocabulaire :\n\nAu vu des relations obtenues dans la question 1.3, on dit que les suites $(g_n)_{n\\geq0}$ et $(g_n)_{n\\geq0}$ sont des suites récurrentes imbriquées.
\n On dit que $U_n$ est la matrice de distribution au rang $n$.
\n La matrice $A$ s'appelle la matrice de transition associée.\n \n
\nVocabulaire :\n\nOn souhaite déterminer une matrice $S = \\begin{pmatrix} x & y \\end{pmatrix}$ telle que :\n
\nLa matrice $S$ ainsi définie est appelée matrice de distribution invariante
(ou matrice de répartition stable).\n\n
\nProlongement : (admis)"},{"metadata":{},"cell_type":"markdown","source":"## 4. Complément : Expressions explicites des suites "},{"metadata":{},"cell_type":"markdown","source":"4.1. À l'aide des relations obtenues dans les questions 1.2 et 1.3, donner une expression de $g_{n+1}$ en fonction de $g_n$.\n\n"},{"metadata":{},"cell_type":"markdown","source":"4.2. Pour tout $n\\in\\mathbb{N}$, on pose $\\displaystyle u_n=\\frac{8}{13}-g_n$.
\nSi $0\nIl existe alors une unique matrice de distribution invariante qui est $ S = \\begin{pmatrix} \\frac{q}{p+q} & \\frac{p}{p+q} \\end{pmatrix}$.
\nDe plus, si on note $U_n$ la matrice de distriubution au rang $n$, alors on a $\\displaystyle\\lim\\limits_{n \\to +\\infty}{U_n}=S$ (cette limite est donc indépendante de l'état initial $U_0$).\n\n